JAMA：基于MRI的神经网络预测轻度认知障碍向阿尔茨海默病进展，五年准确率达94%
加州大学旧金山分校利用2000名参与者的数据训练了一种算法。AI通过扫描分析内嗅皮层萎缩速率和脑淀粉样蛋白水平，无需腰椎穿刺。
分析文章：单次MRI的AI诊断阿尔茨海默病——PET扫描仪和腰椎穿刺市场的颠覆者
[核心要点]：真实情况
JAMA关于UCSF的AI模型以94%准确率预测MCI向阿尔茨海默病转化的消息，不仅仅是人工智能在放射学领域的又一次成功故事。这是一个价值数十亿美元的侵入性诊断市场开始崩塌的时刻。因为以前，要告诉轻度认知障碍患者他们是否会在5年内发展为痴呆，你需要腰椎穿刺（脑脊液中的β-淀粉样蛋白和tau蛋白）或使用淀粉样蛋白示踪剂的PET扫描（费用3000-5000美元）。现在，任何地区医院都能进行的标准MRI（费用500-1000美元）就足够了。
这项于2026年5月18日发表在《自然·衰老》上的工作的核心在于一个多任务深度神经网络，该网络同时训练多个任务：脑组织分割（灰质、白质、脑脊液）、阿尔茨海默病诊断以及未来认知评分的预测。关键创新在于该模型不需要基线认知测试、专门的图像处理流程、PET、遗传分析或血液/脑脊液生物标志物。只需要MRI加上年龄、性别和教育程度。
这在实践中意味着：对于全球5500万痴呆症患者（其中60-70%是阿尔茨海默病），一种廉价、快速且无创的筛查工具变得可用。对于医疗系统，它能够早期识别患者，以便参与仅对早期阶段有效的新药（lecanemab、donanemab）临床试验。对于PET示踪剂制造商（礼来、GE医疗），这是一个警钟。
但一如既往，存在细微差别。研究人员使用了ADNI（阿尔茨海默病神经影像学倡议）的数据进行训练——这是金标准，但并非真实临床实践。在ADNI中，患者通过严格标准筛选，MRI在相似的扫描仪上进行。在现实中，不同厂商（西门子、GE、飞利浦）的MRI机器产生不同的对比度，患者可能有合并症（血管性痴呆、帕金森病）会混淆模型。94%的准确率是在理想研究条件下。在现实中，将是80-85%。
时间线与背景
要理解这一事件的重要性，我们需要回顾近年来神经退行性疾病AI诊断的演变。
2022-2023年： 早期用于阿尔茨海默病预测的AI模型需要多模态数据——MRI + PET + 遗传学 + 脑脊液。它们显示出85-90%的准确率，但由于数据收集的复杂性和成本，无法大规模使用。
2024年： 基于单次MRI的模型出现，但它们需要基线认知测试（MMSE、MoCA）——这意味着神经科医生或神经心理学家仍需检查患者。在偏远地区和低收入国家，这是一种奢侈。
2025年： 商业AI放射学解决方案（如Aidoc、Viz.ai）开始集成神经影像模块，但无一能预测未来认知衰退——仅能检测当前病理。
2026年5月： UCSF的Ashish Raj团队在《自然·衰老》上发表其多任务模型。数据：在2000名ADNI参与者上训练，在达拉斯寿命脑研究的外部队列上验证。结果：该模型不仅预测当前诊断和组织分割，还能预测未来认知评分（2、4、6年），误差小于MMSE量表2分。
2026年6月（当前新闻）： JAMA发表了一篇关于这项工作的编辑评论，强调其临床意义。这是向执业医生发出的信号：阿尔茨海默病的AI诊断不再是理论可能性，而是准备在真实实践中验证的工具。
时间线之外：这些年来，没有人解决主要问题——可解释性。为什么AI做出特定预测？哪些脑区域最重要？没有这些问题的答案，医生不会信任AI来决定开始lecanemab治疗（每年花费26,500美元，且存在脑水肿风险）。《自然·衰老》的作者声称他们的模型由于组织分割的中间任务而具有“可解释性”。但“分割”并不是因果关系的解释。它只是神经放射科医生已经能看到的萎缩地图。
谁赢谁输
赢家：保险系统（Medicare、NHS、私人保险公司）。 目前，在美国诊断阿尔茨海默病每位患者花费约5000-10000美元（神经科医生咨询+认知测试+MRI+PET或腰椎穿刺）。UCSF的AI模型可将成本降至500-1000美元（仅MRI和模型推理）。对于为6000万美国老年人提供保险的Medicare，这意味着每年节省数十亿美元。
赢家：疾病修饰疗法的开发者（卫材/百健的lecanemab、礼来的donanemab）。 他们的药物仅在早期阶段有效，但筛查数百万MCI患者以选择临床试验候选者成本极高。通过基于单次MRI的AI过滤器，选择成本将下降5-10倍。
输家：PET示踪剂制造商。 礼来（Amyvid、Tauvid）、GE医疗（Vizamyl）、Life Molecular Imaging（NeuraCeq）每年销售价值数亿美元的淀粉样蛋白和tau PET示踪剂。如果医生开始使用AI-MRI代替PET来确认淀粉样蛋白病理（UCSF模型评估内嗅皮层萎缩，这与tau沉积高度相关），PET示踪剂的需求可能在3-5年内下降30-50%。
输家：进行β-淀粉样蛋白和tau脑脊液分析的实验室。 一次分析费用500-1000美元，且需要侵入性操作。如果有准确度相当的无创替代方案，没有患者会同意腰椎穿刺。
间接输家：通过认知测试获利的神经心理学家。 神经心理学家一小时的费用为200-400美元。AI模型完全不需要测试——只需要人口统计数据。对于专家来说，这意味着失业。对于医疗系统，这是节省。
媒体未提及的内容
洞察一：该模型无法区分阿尔茨海默病与其他痴呆症——这是一个大问题。
该工作使用ADNI数据训练，其中阿尔茨海默病的诊断基于临床标准加淀粉样蛋白PET。但在现实中，存在额颞叶痴呆、路易体痴呆、血管性痴呆——所有这些都会在MRI上引起萎缩，但模式不同。UCSF模型可能错误地将额颞叶痴呆患者预测为阿尔茨海默病，因为它缺乏鉴别诊断的数据。
作者在论文中承认了这一点，但在新闻稿中被省略了。他们写道，该模型可以适应帕金森病、肌萎缩侧索硬化症和亨廷顿病。但适应需要针对这些诊断的数千名患者进行单独训练。没有人做过。因此，目前该模型仅适用于预先筛选的疑似阿尔茨海默病人群（例如，由神经科医生转诊的MCI患者）的筛查。
洞察二：在独立队列上进行了验证，但“不同扫描仪”问题仍然存在。
外部验证在达拉斯寿命脑研究上进行——与ADNI相同的西门子和飞利浦3T扫描仪。扫描协议的差异很小。在真实临床实践中，患者可能进行GE Signa 1.5T MRI（分辨率较低，对比度不同），模型可能表现更差。
没有人测试过模型在低场强MRI（1.5T）或带有运动伪影的数据（在老年患者中非常常见）上的表现。将模型适应（微调）到特定扫描仪类型需要数百张额外的标注扫描，这需要金钱和时间。没有这一点，大规模部署是不可能的。
洞察三：94%的准确率是营销指标。真实的阴性预测值可能更低。
什么是94%准确率？它是敏感性和特异性的平均值。《自然·衰老》论文报告AUC为0.96。但在临床实践中，重要的是：如果模型告诉患者他们不会进展为痴呆，这有多可信？
在MCI人群中，5年进展为痴呆的比例约为30%。在94%准确率下，如果模型预测“不会进展”，错误率（1-阴性预测值）约为10-15%。这意味着每7-10个被告知“一切都会好”的患者实际上会发展为痴呆。对患者来说，这是悲剧。对医疗系统来说，这是10-15%的漏诊病例。这很多。
预测：未来30天和90天
未来30天：
预计PET示踪剂制造商（礼来、GE医疗）将发表官方声明，声称“AI-MRI无法替代淀粉样蛋白PET，因为无法直接可视化淀粉样蛋白斑块。”这是标准的防御性公关，但反映了真实担忧：他们的商业模式受到威胁。此外，在未来30天内，至少一项来自独立团队（可能来自欧洲，可能来自英国生物银行）的复制研究将测试模型在其他数据上的表现。如果结果更差（例如，准确率88-90%），热情将降温。
未来90天：
关键时刻：FDA将发布或不发布关于验证预测神经退行性疾病AI模型的指南。目前，可以因“辅助诊断”获得510(k)许可。但“五年预后”是对新设备类别的声明。如果FDA授予该模型“突破性设备认定”，将加速其上市1-2年。
同样在90天范围内：2026年12月的阿尔茨海默病临床试验会议。将展示该模型是否用于正在进行的lecanemab试验中的患者筛查。如果是，并且模型帮助更快、更便宜地招募患者，将成为技术商业化的有力案例。
最后，预计将有一家初创公司宣布获得UCSF对该技术的独家许可。该大学已申请专利（发明人：Ashish Raj和Daren Ma）。很可能将成立一家公司（如Butterfly Network用于超声或Viz.ai用于中风），提供模型作为放射科医生的SaaS服务。价格：每次预测约50-100美元。如果他们占据美国和欧洲每年500万新MCI患者的10%，那就是每年2500-5000万美元的收入。虽然不是重磅炸弹，但生意很好。
*免责声明：本分析基于《自然·衰老》、UCSF新闻稿和JAMA的数据。预测反映作者观点，并非临床建议。
— Editorial Team
